Einstein 합산 규칙을 사용한 행렬 벡터 곱셈의 경우 Python에서 numpy.einsum() 메서드를 사용합니다. 첫 번째 매개변수는 첨자입니다. 첨자 레이블의 쉼표로 구분된 합계 합계에 대한 첨자를 지정합니다. 두 번째 매개변수는 피연산자입니다. 작업을 위한 배열입니다.
einsum() 메서드는 피연산자에 대한 Einstein 합산 규칙을 평가합니다. 아인슈타인 합산 규칙을 사용하여 많은 일반적인 다차원 선형 대수 배열 연산을 간단한 방식으로 나타낼 수 있습니다. 암시적 모드에서 einsum은 이러한 값을 계산합니다.
명시적 모드에서 einsum은 합산을 과도하게 지정한 첨자 레이블을 비활성화하거나 강제 적용하여 고전적인 Einstein 합산 연산으로 간주되지 않을 수 있는 다른 배열 연산을 계산할 수 있는 유연성을 제공합니다.
단계
먼저 필요한 라이브러리를 가져옵니다 -
import numpy as np
array() 메서드를 사용하여 두 개의 numpy 1차원 배열 만들기 -
arr1 = np.arange(25).reshape(5,5) arr2 = np.arange(5)
배열 표시 -
print("Array1...\n",arr1)
print("\nArray2...\n",arr2) 두 어레이의 차원을 확인하십시오 -
print("\nDimensions of Array1...\n",arr1.ndim)
print("\nDimensions of Array2...\n",arr2.ndim) 두 배열의 모양을 확인하십시오 -
print("\nShape of Array1...\n",arr1.shape)
print("\nShape of Array2...\n",arr2.shape) Einstein 합산 규칙을 사용한 행렬 벡터 곱셈의 경우 Python에서 numpy.einsum() 메서드를 사용하십시오 -
print("\nResult (Matrix Vector multiplication)...\n",np.einsum('ij,j', arr1, arr2))
예시
import numpy as np
# Creating two numpy One-Dimensional array using the array() method
arr1 = np.arange(25).reshape(5,5)
arr2 = np.arange(5)
# Display the arrays
print("Array1...\n",arr1)
print("\nArray2...\n",arr2)
# Check the Dimensions of both the arrays
print("\nDimensions of Array1...\n",arr1.ndim)
print("\nDimensions of Array2...\n",arr2.ndim)
# Check the Shape of both the arrays
print("\nShape of Array1...\n",arr1.shape)
print("\nShape of Array2...\n",arr2.shape)
# For Matrix Vector multiplication with Einstein summation convention, use the numpy.einsum() method in Python.
print("\nResult (Matrix Vector multiplication)...\n",np.einsum('ij,j', arr1, arr2)) 출력
Array1... [[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19] [20 21 22 23 24]] Array2... [0 1 2 3 4] Dimensions of Array1... 2 Dimensions of Array2... 1 Shape of Array1... (5, 5) Shape of Array2... (5,) Result (Matrix Vector multiplication)... [ 30 80 130 180 230]